ディープラーニングは人間の創造性を広げるか？ 「AI DJ Project」に見るクリエイティブの可能性
2018年4月20日、Deep Learning Labが主催するイベント「音声・言語ナイト」が開催されました。Chainerを提供するPreferred Networksと、Azureクラウドを提供するMicrosoftによる、エンジニアコミュニティDeep Learning Lab。今回は、自然言語処理や合成音声など、音声・言語×深層学習の最新事例や知見を発表しました。プレゼンテーション「Deep Learningの音楽／メディアアート領域での活用事例」に登場したのは、株式会社Qosmo代表取締役で工学博士の徳井直生氏。ディープラーニングを用いた次世代のクリエイティブと、人工知能に宿る「想像力」の可能性を語ります。 冬の時代からの人工知能研究者 徳井直生氏（以下、徳井）：みなさん、こんばんは。Qosmo（コズモ）の徳井と申します。よろしくお願いします。今日はタイトルにあるように、Dee
MoCoGAN: Decomposing Motion and Content for Video Generation | DL Hacks
はじめに 「GANで画像を生成してみた」系の記事はたくさんありますが、動画の生成はなかなかないんじゃないかと思います。 なぜなら、従来のGANによる動画生成1は人間の影らしきものを動かすのがやっとで、画像生成と比べて技術が遅れていたのです。しかし本日ご紹介するMoCoGAN2は、7月にarxivで論文が発表されたばかりの論文で、既存研究に比べて圧倒的に綺麗な動画を生成することができます。 この記事では、MoCoGANのArchitecture及び、Pytorchによる実装のポイントを解説していきます。 github上の実装はこちらになります。https://github.com/DLHacks/mocogan また筆者による実装はまだ公開されていないようなので、これがおそらく初の公開実装となるかと思います。（※17/9/30時点） スターをいただけると励みになります……!!! モデル 新規
Fantastic GANs and where to find them
This is a series of blog posts. Click here for the second part. Have you ever wanted to know about Generative Adversarial Networks (GANs)? Maybe you just want to catch up on the topic? Or maybe you simply want to see how these networks have been refined over these last years? Well, in these cases, this post might interest you! What this post is not about First things first, this is what you won’t
Create Anime Characters with A.I. !
Create Anime Characters With GirlsM anifold Create Anime Characters with A.I. ! Yanghua Jin School of Computer Science Fudan University yanghuajin94@gmail.com Jiakai Zhang School of Computer Science Carnegie Mellon University zhangjk95@gmail.com Minjun Li School of Computer Science Fudan Univerisity li.akizora@gmail.com Yingtao Tian Department of Computer Science Stony Brook University alan.yt.ti
GANによるノイズ・モザイク等の除去 - にほんごのれんしゅう
GANによるノイズ・モザイク等の除去 近況 眠い。 実は今月、三回も停電が起きてそのたびに機械学習のモデルが飛んでいます。原因は電子レンジとケトルを両方利用したとか、そういった当たり前のことなのですが...(ブレーカを飛ばしているの私でないです)。 モチベーション pix2pixなどのニューラルネットでの画像変換は、通常のフィルタと違って、情報量を増加させることができるような振る舞いをすることがある。 画像は大学の学部で習ったレベルの知識しかないが、平滑化フィルタなどの画像を変換する系のやつは大抵が行列で表現されるようなやつで、平均値だの分散などを取るので、情報量が下がるものがほとんどだった（というかそれしか知らない）。 GANでモザイク除去や、なんやらができるとは先行研究でわかっていたし、理論は単純だし、この前のpix2pix with textに比べて簡単だと思った。 先行研究 GAN
機械学習で美少女化 ~ あるいはNEW GAME! の世界 ~ - Qiita
NEW GAME! というアニメはご存知でしょうか。女の子たちがワイワイとゲーム会社で働く日常を描いた作品で、非常に良い作品なのですが、一方でこんなキラキラした会社ねーよと言われた挙句、実はあそこにいるのは皆中年男性で、働きすぎて周りが皆美少女に見える幻覚が見えているのではないかという説まであったりします。ドワンゴのslackには、バーチャル彼女生成系チャンネル#kanojo_createや、美少女変身願望チャンネル#become_bishoujoというものが存在するので、現実を捻じ曲げてしまう異もあながちあり得ない話ではないのではないかとも思ってしまいます。 私もそんな一人であり、そんな美しい幻覚なら喜んで受け入れよう、ということで作ったのがこのリアルタイムNEW GAME!フィルタです 似顔絵データが存在しない = 転移学習 さて、ここでやりたいのは、実写画像を入力として、その実写画像
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
Optical Illusions Images Dataset
Learning Representations and Generative Models for 3D Point Clouds
GitHub - kaonashi-tyc/zi2zi: Learning Chinese Character style with conditional GAN